基于图像边缘检测的刀具断损监测

发布时间：2021-08-10 04:50

　　刀具是数控机床的重要部件之一,但是因为频繁接触工件所以很容易出现断损情况,直接导致产出合格率明显降低,并且机床损耗也会增加,对后续加工影响巨大,因此出现刀具断损时需要及时终止加工并更换刀具,这就需要对刀具断损情况实时进行监测。基于图像边缘检测的监测方法以成本低、速度快、准确率而高备受关注。在检测刀具边缘时需要灵活调整阈值才能准确提取刀具边缘。本文以图像差分法为参考,利用背景虚化的拍摄技巧来获取刀具图像和参照图,并且证明,刀具图与参照图存在充分的梯度差。因此可以利用刀具图与参照图的梯度差来设定边缘检测算法的阈值,经过实验证明,该算法在过滤掉背景边缘的同时可以使得多种边缘检测算法有效的提取到刀具边缘。设计了对比实验对本文算法的效果进行了验证。根据刀具边缘信息进而计算出刀具长度,并与刀具标准长度进行对比,可以监测刀具破损情况。因为工业成本问题,所示无法一直利用相机硬件参数提高边缘检测的精度,但是可以采用亚像素边缘来提高边缘检测精度。首先,因为相机衍射效应导致边缘存在过度区域,采用三灰度边缘模型进行模拟,推导了边缘误差修正公式。然后,针对Zernike矩常用的奇数模板,分析了模板的不对称可能导... 

【文章来源】：华中科技大学湖北省 211工程院校 985工程院校 教育部直属院校

【文章页数】：66 页

【学位级别】：硕士

【部分图文】：

×5滤波平滑图像

图 - 未剔除离群点边缘检测结果为了防止某些离群点点对梯度阈值的影响，在设定阈值之前剔除一些离群点，本文采用 LOF 异常点检测算法对一些梯度值异常的像素进行剔除 ，剔除离群点之后，算法的阈值被设定为 ，此时的边缘检测结果如图 - 所示。可以明显看出，此时刀具边缘保留比较明显，检测结果更好。

图 - 未剔除离群点边缘检测结果某些离群点点对梯度阈值的影响，在设定阈值之前剔除 异常点检测算法对一些梯度值异常的像素进行剔除 阈值被设定为 ，此时的边缘检测结果如图 - 所示边缘保留比较明显，检测结果更好。

【参考文献】：
期刊论文
[1]基于改进Zernike矩的亚像素钻铆圆孔检测方法[J]. 陈璐,关立文.  清华大学学报(自然科学版). 2019(06)
[2]改进的自适应Canny边缘检测算法[J]. 段锁林,殷聪聪,李大伟.  计算机工程与设计. 2018(06)
[3]基于高斯拟合的亚像素边缘检测算法[J]. 韩东,李煜祺,武彦辉.  计算机应用与软件. 2018(06)
[4]切削参数与刀具磨损对振动和声发射信号的影响[J]. 王沛鑫,杜茂华,杜兴泽,王神送,程正.  价值工程. 2018(11)
[5]基于拟合的亚像素边缘检测的算法比较[J]. 王楚,王亚刚.  软件导刊. 2018(02)
[6]一种改进的LOF异常点检测算法[J]. 周鹏,程艳云.  计算机技术与发展. 2017(12)
[7]基于多重插值的亚像素边缘检测[J]. 田庸,韩震宇,周永洪.  现代计算机(专业版). 2017(09)
[8]刀具切削状态监控技术综述[J]. 刘志军,全燕鸣.  工具技术. 2015(06)
[9]基于计算机视觉的刀具磨损检测技术的研究[J]. 张悦.  机械工程与自动化. 2008(04)
[10]基于B样条模糊神经网络的刀具磨损监测[J]. 高宏力,傅攀,许明恒.  机械科学与技术. 2005(06)

博士论文
[1]基于计算机视觉的刀具磨损状态监测技术的研究[D]. 熊四昌.浙江大学 2003

硕士论文
[1]基于主轴功率信号的钻锪刀具监测及其系统开发与应用[D]. 万文波.浙江大学 2018
[2]精密砂型数控铣削刀具切削力及磨损行为研究[D]. 谢大进.南昌航空大学 2018
[3]基于机器视觉的刀具检测技术研究[D]. 侯秋林.山东大学 2018
[4]数字图像频谱法及其在工程测试中的应用研究[D]. 葛慧.华中科技大学 2016
[5]基于亚像素检测算法的视觉测量技术研究[D]. 李多.电子科技大学 2016
[6]基于计算机视觉的刀具后刀面磨损检测技术[D]. 刘荣涛.西安理工大学 2008
[7]屋脊边缘检测算法研究[D]. 方经纬.华中科技大学 2006



本文编号：3333496